引導尖端科技的「科學神燈」——《追光之旅：你所不知道的同步輻射》

本文與 研華科技 合作，泛科學企劃執行。

每次 NVIDIA 執行長黃仁勳公開發言，總能牽動整個 AI 產業的神經。然而，我們不妨設想一個更深層的問題——如今的 AI 幾乎都倚賴網路連線，那如果哪天「網路斷了」，會發生什麼事？

想像你正在自駕車打個盹，系統突然警示：「網路連線中斷」，車輛開始偏離路線，而前方竟是萬丈深谷。又或者家庭機器人被駭，開始暴走跳舞，甚至舉起刀具向你走來。

這會是黃仁勳期待的未來嗎？當然不是！也因為如此，「邊緣 AI」成為業界關注重點。不靠雲端，AI 就能在現場即時反應，不只更安全、低延遲，還能讓數據當場變現，不再淪為沉沒成本。

什麼是邊緣 AI ？

邊緣 AI，乍聽之下，好像是「孤單站在角落的人工智慧」，但事實上，它正是我們身邊最可靠、最即時的親密數位夥伴呀。

當前，像是企業、醫院、學校內部的伺服器，個人電腦，甚至手機等裝置，都可以成為「邊緣節點」。當數據在這些邊緣節點進行運算，稱為邊緣運算；而在邊緣節點上運行 AI ，就被稱為邊緣 AI。簡單來說，就是將原本集中在遠端資料中心的運算能力，「搬家」到更靠近數據源頭的地方。

那麼，為什麼需要這樣做？資料放在雲端，集中管理不是更方便嗎？對，就是不好。

第一個不好是物理限制：「延遲」。
即使光速已經非常快，數據從你家旁邊的路口傳到幾千公里外的雲端機房，再把分析結果傳回來，中間還要經過各種網路節點轉來轉去…這樣一來一回，就算只是幾十毫秒的延遲，對於需要「即刻反應」的 AI 應用，比如說工廠裡要精密控制的機械手臂、或者自駕車要判斷路況時，每一毫秒都攸關安全與精度，這點延遲都是無法接受的！這是物理距離與網路架構先天上的限制，無法繞過去。

第二個挑戰，是資訊科學跟工程上的考量：「頻寬」與「成本」。
你可以想像網路頻寬就像水管的粗細。隨著高解析影像與感測器數據不斷來回傳送，湧入的資料數據量就像超級大的水流，一下子就把水管塞爆！要避免流量爆炸，你就要一直擴充水管，也就是擴增頻寬，然而這樣的基礎建設成本是很驚人的。如果能在邊緣就先處理，把重要資訊「濃縮」過後再傳回雲端，是不是就能減輕頻寬負擔，也能節省大量費用呢？

第三個挑戰：系統「可靠性」與「韌性」。
如果所有運算都仰賴遠端的雲端時，一旦網路不穩、甚至斷線，那怎麼辦？很多關鍵應用，像是公共安全監控或是重要設備的預警系統，可不能這樣「看天吃飯」啊！邊緣處理讓系統更獨立，就算暫時斷線，本地的 AI 還是能繼續運作與即時反應，這在工程上是非常重要的考量。

所以你看，邊緣運算不是科學家們沒事找事做，它是順應數據特性和實際應用需求，一個非常合理的科學與工程上的最佳化選擇，是我們想要抓住即時數據價值，非走不可的一條路！

邊緣 AI 的實戰魅力：從工廠到倉儲，再到你的工作桌

知道要把 AI 算力搬到邊緣了，接下來的問題就是─邊緣 AI 究竟強在哪裡呢？它強就強在能夠做到「深度感知（Deep Perception）」！

所謂深度感知，並非僅僅是對數據進行簡單的加加減減，而是透過如深度神經網路這類複雜的 AI 模型，從原始數據裡面，去「理解」出更高層次、更具意義的資訊。

以研華科技為例，旗下已有多項邊緣 AI 的實戰應用。以工業瑕疵檢測為例，利用物件偵測模型，快速將工業產品中的瑕疵挑出來，而且由於 AI 模型可以使用同一套參數去檢測，因此品管上能達到一致性，減少人為疏漏。尤其在高產能工廠中，檢測速度必須快、狠、準。研華這套 AI 系統每分鐘最高可處理 8,000 件產品，替工廠節省大量人力，同時確保品質穩定。這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。

此外，在智慧倉儲場域，研華與威剛合作，研華與威剛聯手合作，在 MIC-732AO 伺服器上搭載輝達的 Nova Orin 開發平台，打造倉儲系統的 AMR（Autonomous Mobile Robot） 自走車。這跟過去在倉儲系統中使用的自動導引車 AGV 技術不一樣，AMR 不需要事先規劃好路線，靠著感測器偵測，就能輕鬆避開障礙物，識別路線，並且將貨物載到指定地點存放。

當然，還有語言模型的應用。例如結合檢索增強生成 ( RAG ) 跟上下文學習 ( in-context learning )，除了可以做備忘錄跟排程規劃以外，還能將實務上碰到的問題記錄下來，等到之後碰到類似的問題時，就能詢問 AI 並得到解答。

你或許會問，那為什麼不直接使用 ChatGPT 就好了？其實，對許多企業來說，內部資料往往具有高度機密性與商業價值，有些場域甚至連手機都禁止員工帶入，自然無法將資料上傳雲端。對於重視資安，又希望運用 AI 提升效率的企業與工廠而言，自行部署大型語言模型（self-hosted LLM）才是理想選擇。而這樣的應用，並不需要龐大的設備。研華的 SKY-602E3 塔式 GPU 伺服器，體積僅如後背包大小，卻能輕鬆支援語言模型的運作，實現高效又安全的 AI 解決方案。

但問題也接著浮現：要在這麼小的設備上跑大型 AI 模型，會不會太吃資源？這正是目前 AI 領域最前沿、最火熱的研究方向之一：如何幫 AI 模型進行「科學瘦身」，又不減智慧。接下來，我們就來看看科學家是怎麼幫 AI 減重的。

語言模型瘦身術之一：量化（Quantization）—用更精簡的數位方式來表示知識

當硬體資源有限，大模型卻越來越龐大，「幫模型減肥」就成了邊緣 AI 的重要課題。這其實跟圖片壓縮有點像：有些畫面細節我們肉眼根本看不出來，刪掉也不影響整體感覺，卻能大幅減少檔案大小。

模型量化的原理也是如此，只不過對象是模型裡面的參數。這些參數原先通常都是以「浮點數」表示，什麼是浮點數？其實就是你我都熟知的小數。舉例來說，圓周率是個無窮不循環小數，唸下去就會是3.141592653…但實際運算時，我們常常用 3.14 或甚至直接用 3，也能得到夠用的結果。降低模型參數中浮點數的精度就是這個意思！ 

然而，量化並不是那麼容易的事情。而且實際上，降低精度多少還是會影響到模型表現的。因此在設計時，工程師會精密調整，確保效能在可接受範圍內，達成「瘦身不減智」的目標。

模型剪枝（Model Pruning）—基於重要性的結構精簡

建立一個 AI 模型，其實就是在搭建一整套類神經網路系統，並訓練類神經元中彼此關聯的參數。然而，在這麼多參數中，總會有一些參數明明佔了一個位置，卻對整體模型沒有貢獻。既然如此，不如果斷將這些「冗餘」移除。

這就像種植作物的時候，總會雜草叢生，但這些雜草並不是我們想要的作物，這時候我們就會動手清理雜草。在語言模型中也會有這樣的雜草存在，而動手去清理這些不需要的連結參數或神經元的技術，就稱為 AI 模型的模型剪枝（Model Pruning）。

模型剪枝的效果，大概能把100變成70這樣的程度，說多也不是太多。雖然這樣的縮減對於提升效率已具幫助，但若我們要的是一個更小幾個數量級的模型，僅靠剪枝仍不足以應對。最後還是需要從源頭著手，採取更治本的方法：一開始就打造一個很小的模型，並讓它去學習大模型的知識。這項技術被稱為「知識蒸餾」，是目前 AI 模型壓縮領域中最具潛力的方法之一。

知識蒸餾（Knowledge Distillation）—讓小模型學習大師的「精髓」

想像一下，一位經驗豐富、見多識廣的老師傅，就是那個龐大而強悍的 AI 模型。現在，他要培養一位年輕學徒—小型 AI 模型。與其只是告訴小型模型正確答案，老師傅 (大模型) 會更直接傳授他做判斷時的「思考過程」跟「眉角」，例如「為什麼我會這樣想？」、「其他選項的可能性有多少？」。這樣一來，小小的學徒模型，用它有限的「腦容量」，也能學到老師傅的「智慧精髓」，表現就能大幅提升！這是一種很高級的訓練技巧，跟遷移學習有關。

舉個例子，當大型語言模型在收到「晚餐：鳳梨」這組輸入時，它下一個會接的詞語跟機率分別為「炒飯：50%，蝦球：30%，披薩：15%，汁：5%」。在知識蒸餾的過程中，它可以把這套機率表一起教給小語言模型，讓小語言模型不必透過自己訓練，也能輕鬆得到這個推理過程。如今，許多高效的小型語言模型正是透過這項技術訓練而成，讓我們得以在資源有限的邊緣設備上，也能部署愈來愈強大的小模型 AI。

但是！即使模型經過了這些科學方法的優化，變得比較「苗條」了，要真正在邊緣環境中處理如潮水般湧現的資料，並且高速、即時、穩定地運作，仍然需要一個夠強的「引擎」來驅動它們。也就是說，要把這些經過科學千錘百鍊、但依然需要大量計算的 AI 模型，真正放到邊緣的現場去發揮作用，就需要一個強大的「硬體平台」來承載。

邊緣 AI 的強心臟：SKY-602E3 的三大關鍵

像研華的 SKY-602E3 塔式 GPU 伺服器，就是扮演「邊緣 AI 引擎」的關鍵角色！那麼，它到底厲害在哪？

一、核心算力
它最多可安裝 4 張雙寬度 GPU 顯示卡。為什麼 GPU 這麼重要？因為 GPU 的設計，天生就擅長做「平行計算」，這正好就是 AI 模型裡面那種海量數學運算最需要的！

你想想看，那麼多數據要同時處理，就像要請一大堆人同時算數學一樣，GPU 就是那個最有效率的工具人！而且，有多張 GPU，代表可以同時跑更多不同的 AI 任務，或者處理更大流量的數據。這是確保那些科學研究成果，在邊緣能真正「跑起來」、「跑得快」、而且「能同時做更多事」的物理基礎！

二、工程適應性——塔式設計。
邊緣環境通常不是那種恆溫恆濕的標準機房，有時是在工廠角落、辦公室一隅、或某個研究實驗室。這種塔式的機箱設計，體積相對緊湊，散熱空間也比較好（這對高功耗的 GPU 很重要！），部署起來比傳統機架式伺服器更有彈性。這就是把高性能計算，進行「工程化」，讓它能適應台灣多樣化的邊緣應用場景。

三、可靠性
SKY-602E3 用的是伺服器等級的主機板、ECC 糾錯記憶體、還有備援電源供應器等等。這些聽起來很硬的規格，背後代表的是嚴謹的工程可靠性設計。畢竟在邊緣現場，系統穩定壓倒一切！你總不希望 AI 分析跑到一半就掛掉吧？這些設計確保了部署在現場的 AI 系統，能夠長時間、穩定地運作，把實驗室裡的科學成果，可靠地轉化成實際的應用價值。

台灣製造 × 在地智慧：打造專屬的邊緣 AI 解決方案

研華科技攜手八維智能，能幫助企業或機構提供客製化的AI解決方案。他們的技術能力涵蓋了自然語言處理、電腦視覺、預測性大數據分析、全端軟體開發與部署，及AI軟硬體整合。

無論是大小型語言模型的微調、工業瑕疵檢測的模型訓練、大數據分析，還是其他 AI 相關的服務，都能交給研華與八維智能來協助完成。他們甚至提供 GPU 與伺服器的租借服務，讓企業在啟動 AI 專案前，大幅降低前期投入門檻，靈活又實用。

台灣有著獨特的產業結構，從精密製造、城市交通管理，到因應高齡化社會的智慧醫療與公共安全，都是邊緣 AI 的理想應用場域。更重要的是，這些情境中許多關鍵資訊都具有高度的「時效性」。像是產線上的一處異常、道路上的突發狀況、醫療設備的即刻警示，這些都需要分秒必爭的即時回應。

如果我們還需要將數據送上雲端分析、再等待回傳結果，往往已經錯失最佳反應時機。這也是為什麼邊緣 AI，不只是一項技術創新，更是一條把尖端 AI 科學落地、真正發揮產業生產力與社會價值的關鍵路徑。讓數據在生成的那一刻、在事件發生的現場，就能被有效的「理解」與「利用」，是將數據垃圾變成數據黃金的賢者之石！

👉 更多研華Edge AI解決方案
👉 立即申請Server租借

《侏羅紀公園》系列電影掀起大家對恐龍的好奇，但其實科學家早就在研究遠古時代的各種生物。以恐龍為例，平均每星期會發現一種新種恐龍，每年大約會發現五十種新種恐龍。而在探討物種起源及鑑定遠古生物領域，同步輻射分析技術也展現了它的獨特價值。

例如，南非威特沃特斯蘭德大學（University of the Witwatersrand）領導的國際科學家團隊，針對一些世界上最古老的恐龍蛋胚胎頭骨，進行 3D 複製重建，發現牠們的頭骨生長順序與當今的鱷魚、雞、烏龜和蜥蜴相同，研究成果發表在《科學報導》（Scientific Reports）上。

在台灣，由加拿大多倫多大學教授賴茲（Robert Reisz）與台灣學者組成國際團隊，花費兩年時間，運用超高解析二維紅外光譜顯微術，在活躍於一億九千五百萬年前的雲南祿豐龍胚胎股骨化石中，發現殘留有機物，找到古化石內保存複雜有機物的最古老紀錄。這個破天荒的發現在 2013 年登上了《自然》（Nature）雜誌封面。

此外，在祿豐龍肋骨化石的微血管通道中，國輻中心研究員李耀昌也發現全球最古老且保存完整的膠原蛋白與赤鐵礦微粒聚晶。

「即使經過億萬年時空轉換，恐龍的軟組織經血液中鐵的氧化及碳酸鈣化包覆作用後，還是有機會被保存下來，」李耀昌表示，這將有助科學家進一步了解恐龍的生理機能與遺傳密碼。

李耀昌團隊將成果發表於《自然通訊》（Nature Communications）期刊，並獲選為《發現》（Discover）雜誌「 2017 年全球百大發現」第十二名，是近年來台灣學者主導的研究成果首度登上《發現》雜誌全球百大發現。

發現牙齒裡的避震器

恐龍胚胎裡有膠原蛋白，恐龍的嘴巴裡則是自帶「避震器」。

國輻中心團隊與台灣博物館、台灣石尚博物館、中國大陸北京自然博物館、加拿大安大略皇家博物館，以及中國大陸地質科學院地質研究所合作，蒐集十五種肉食性與植食性恐龍牙齒，利用同步輻射穿透式 X 光顯微術與現代的眼鏡凱門鱷牙齒進行研究比對，首度發現肉食恐龍牙齒具有避震結構。

在肉食性恐龍牙齒的琺瑯質與象牙質中間，存在一層相對柔軟且布滿微細孔洞的被覆牙本質層，可以保護牙齒，避免因撕裂骨肉造成牙齒瞬間斷裂。這項研究結果修正了過去對於原始爬蟲類牙齒結構的認知，因此登上國際知名期刊《科學報導》（Scientific Reports）與各大媒體。為了蒐集恐龍牙齒進行研究比對，國輻中心研究員王俊杰透露了一段小故事。

「當時我到桃園興仁花園夜市拜訪鱷魚攤，沒想到使用斜口鉗幫鱷魚拔牙時，斜口鉗當場應聲斷裂，只好再買一把硬度更高的老虎鉗，費了好大一番功夫才順利拔下鱷魚牙齒。」

牙齒的特殊結構，使得肉食恐龍成為頂尖獵食者，稱霸地表一億六千五百萬年。相較於人類咬合力約為 40 公斤、眼鏡凱門鱷咬合力約 1,000 公斤，以及咬合力可達 2,000 公斤、目前世上咬合力最大的動物—— 灣鱷，「暴龍的咬合力約 6,000 公斤，且拖行的獵物體重可能超過 1 公噸，但靠著微小的避震結構設計，便不致因巨大應力而造成牙齒斷裂，」王俊杰說。

遠古生物的活動型態一直是科學家亟欲解開的謎題，透過同步光源高解析度檢測技術，可以幫助我們了解古生物化石組織結構的細微差異，提供了一種嶄新的古生物分類與古生態研究檢測方法，而藉由恐龍胚胎化石中探測到的有機質殘留物，未來將可逐步解開更多遠古生物的奧祕。

——本文摘自《追光之旅：你所不知道的同步輻射》，2021 年 8 月，天下文化。

• 本文轉載自科技大觀園，原文為《為什麼義大利名琴的音色難以複製？》
• 作者 / 文詠萱｜科技大觀園特約編輯

戴桓青小時候學過幾年小提琴，但並不在行；在美國加州理工學院念博士班時，有位會拉小提琴的同學選擇以此為科普文章題目，發現很多名琴研究都是德州農工大學教授納吉瓦里 (Joseph Nagyvary) 所著，兩人決定利用耶誕假期前往拜訪，沒想到從此與小提琴研究締結不解之緣。戴桓青延續已退休的納吉瓦里針對小提琴木材的相關研究，分析名琴修復時留下的木屑，研判小提琴好聽的秘密，可能就存在小提琴的木材中。

名琴的音色秘密在木板？

戴桓青總共分析了八把史特拉底瓦里小提琴 (Stradivarius) 與二把耶穌．瓜奈里小提琴 (Guaneri del Gesù) 的木材，這兩類名琴在製琴界、演奏界皆以音色優美聞名。針對音色的定義，戴桓青表示：「聲音的屬性除了音高跟音量外，其他都叫做音色。音色很主觀，雖然科學家還不知道要怎麼去定義、分析音色，但演奏家對於音色上的共識認知是存在的，很少人會說其他琴比這兩種名琴好聽。」

世界上的木材上千萬種，而小提琴的木材萬中選一。前板得使用阿爾卑斯山南麓的雲杉，背板使用來自巴爾幹半島或是義大利平地的楓木。戴桓青針對木材解釋：「先前納吉瓦里教授分析這些名琴的光譜，發現這些製琴師應該不是直接使用天然木材，而是有經過處理，我們延續他的研究。過去針對這些名琴的研究，都是以研究幾何形狀為主，小提琴有很多曲線、細微的比例、木板不平均的厚度等，但大家模仿出來後，還是沒有辦法做到和這些名琴一樣的聲音，所以我們認為往材料的方向研究是正確的。」

製琴小鎮的配方對決

300 年前製琴師都在義大利北部的克里蒙納 (Cremona) 小鎮中製琴，「我們已經發表的論文，主要在分析這幾把名琴的背板楓木，發現木材確實有做過化學處理，但並不確定是由供應木材的供應商所處理，還是由製琴師處理。」

至於前板雲杉，戴桓青的研究尚未發表，但針對木材處理來源，交叉比對後發現，那些化學處理的痕跡，應為每位製琴師的秘密配方。「近期的研究發現，小提琴三大家族所做出來的琴，配方都很明顯不一樣，也都相當複雜，因此可以排除是由木材供應商處理的可能性。這也相當合理，因為克里蒙納人很少，製琴的人彼此會互相競爭，各自有各自的配方並不奇怪。」

外型幾何容易模仿，但木材的化學處理就很難用肉眼看出來。「配方我們尚未解出來，製琴是一項工藝，順序也是很關鍵的一件事，配方有可能很複雜地先泡再洗掉，還要考慮溫度、pH 值、處理時間等，沒有辦法從現在的化學分析回推工序與配方。」戴桓青用食物當做各家配方的例子：「就像炸雞排，每家店的原料都差不多，但炸出來味道都不一樣，你不可能買一塊雞排回來分析，就知道他的工序。」

影響琴聲音的可能性

也有許多研究是針對名琴的塗漆，想知道漆對聲音的影響，或是模仿名琴塗漆，看看是否能複製出名琴的聲音。對此，戴桓青認為，「塗漆是一定有影響的，上不同的漆會有不同的差別。但研究名琴塗漆這麼多年，漸漸發現裡面的成分都是我們已知的，但就是沒辦法只透過模仿塗漆和模型，複製出名琴的聲音。」

世界上有許多木製的樂器，很少會聽到樂器放越久越好聽。「我問過很多專家，只有兩種樂器會放久了聲音變好聽，一種是中國古琴，另一種就是義大利小提琴。至於為什麼會有這個現象，目前還有沒人理解，需要更多的研究。而有些樂器本來設計就不是可以用很久的，例如古箏。」

關於小提琴纖維素分子研究，戴桓青團隊利用「同步輻射」小角度 X 光散射探照，發現琴的木頭纖維素是會重新排列的，「我們針對小提琴的木頭分析，發現纖維素分子之間本來有半纖維素把它們區隔開來，但隨著時間過去，半纖維素會自然分解，纖維素會重新排列。至於這件事對聲音的確切影響，目前還不是很清楚，只知道老的琴會有這樣的現象。」

針對這樣的研究，難免有人會懷疑這些名琴是不是真的比較好聽，畢竟這不是隨隨便便就可以聆聽現場演奏的珍品。戴桓青表示：「事實上，確實要近距離地聽很多把名琴來演奏，才能感受到他們的差異。可是通常一位演奏家表演或比賽，只會帶一兩把琴出門。若真的要做相關研究，首先盲測畢竟有其限制，且『音色』是人類很不了解的領域，很難用科學的方法去解釋和比較。」

大家都知道，光線是否充足對拍照品質有決定性影響，戶外拍照比起昏暗的室內容易拍到漂亮的相片；然而，光的亮度，對科學實驗也非常重要。

同步輻射是當今世上最亮的光，它的光通量及光亮度都遠優於傳統光源。

正因如此，過去科學家因實驗光源亮度不夠而無法探測的結構，現在藉由同步輻射都能分析得一清二楚，而原本使用傳統 X 光機可能需要幾個月才能完成的實驗，如今則僅需要幾分鐘就能取得漂亮的實驗數據。

簡言之，同步輻射是在固定軌道上運行的高速電子因磁場作用而偏轉的過程中，所輻射出來的電磁波。相較於其他光源，利用偏轉磁鐵產生的同步輻射，能譜範圍更寬廣，而且擁有高亮度、高穩定度、高準直度、光束截面積小、波長連續、具有時間脈波性與偏振選擇性等特色，輻射強度和功率都可由電磁學的理論計算預測，大幅提高實驗效率和準確度。

同步加速器光源（簡稱同步光源）是指為了產生供科學實驗的同步輻射所建的設施。一般而言，同步光源會採用兩座同步加速器來產生高品質的同步輻射。第一座加速器把電子加速到接近光速，稱為「增能環」；達到特定能量的電子送進第二座加速器後，不再額外加速，僅維持電子的能量，相當於把這些電子「儲存」起來，累積到足夠的電流量，再利用所產生的光做實驗，因此稱為「儲存環」。

這段過程，電子束在每一圈的運行中，都會在偏轉磁鐵切線方向或插件磁鐵下游放出同步輻射，而儲存環中的超高真空環境，讓帶電粒子束不易被其他分子散射，並且有精準的回饋系統，因此光源穩定，容易控制實驗條件，且可聚焦在很小的實驗樣本上，成為科學研究的利器。

在二十一世紀的現代，同步光源的重要已毋庸置疑，然而它並非一開始就受到科學家青睞，甚至還曾遭到嫌棄。

從附屬品到建置專用設施

從五○年代至今，同步光源的角色，歷經幾個不同世代的演進。

第一代的同步光源，是與高能物理研究的同步加速器共用，但兩者的研究需求並不相同，甚至背道而馳。

產生同步輻射的過程會損失能量，但在高能物理研究中，並不希望粒子碰撞前產生非必要的能量損失，否則電子束的軌道與功率都會因而改變，所以當時的科學家其實十分討厭「成事不足、敗事有餘」的同步輻射。

不過，在隨後的十年裡，一些科學家逐漸發現，高能物理實驗不用的電磁波其實可以當成頗有價值的光源，運用於光學及探測、生物醫學、材料科學、地球科學、環境科學等基礎和應用研究，從此改變了同步輻射「寄生」在高能物理實驗之下的命運。

到了七○年代，科學家逐漸體認到同步輻射有其優異性，開始想要開發專用的光源設施，獲得更亮、更聚焦的光束，於是先進國家紛紛開始興建專門為產生同步輻射的第二代同步加速器。

第二代同步光源將增能環與儲存環分開，出光品質較佳，使同步輻射的應用更廣泛、更多樣化；隨著帶電粒子的速度愈接近光速，輻射就愈集中，發出的電磁波涵蓋整個電磁波頻譜，從紅外光、可見光、紫外光、低能量的軟 X 光到高能量的硬 X 光及伽瑪射線。

八○年代之後，科學家開始意識到儲存環的長直段更重要，可以加入插件磁鐵，讓電子由偏轉一次變成多次偏轉，並且壓低束散度，產生更強、更亮的光束，這就是第三代同步光源。

近代科研最具影響力的光源

半個多世紀過去，目前全世界供實驗用的同步光源設施已經超過七十座，其中第三代加速器多於 1990 年後陸續建造完成，各國在同步光源設施的建造能力及研究成果，也成為國家高科技研發實力的重要指標之一。

到了 2015 年，同步光源的發展達到物理極限，進入第四階段，成為採用多重轉彎磁格 2 的同步加速器，可以將電子束的束散度減少百倍，直到觸及繞射物理極限。

束散度減少百倍，意謂光點更集中，光亮度可以提高百倍，從事奈米級光點研究；同時，光的準直性與同調性也大幅提高，可以發展許多新的科學實驗技術。

同步輻射插件磁鐵運作示意

受惠於同步光源的快速發展，研究人員得以擴展許多新的研究領域，包括：材料、生物、醫藥、物理、化學、化工、地質、考古、環保、能源、電子、微機械、奈米元件等最尖端的基礎與應用科學研究，所獲得的成果對人類科技創新與生活便利帶來諸多貢獻。

隨著愈來愈多科學家使用同步輻射獲頒科學界最高榮耀的諾貝爾獎，有人稱它為現代的「科學神燈」，也是二十世紀以來科技研究最重要的光源之一。

同步光源主要設備介紹

1. 注射器（包括電子槍、直線加速器與增能環）

電子束由電子槍產生後，經過直線加速器加速至能量為 1 億 5 千萬電子伏特，電子束進入周長為 496.8 公尺的增能環後，繼續增加能量至 30 億電子伏特，速度非常接近光速（0.999999986 倍）。

2. 儲存環

電子束從注射器經由傳輸線進入二十四邊形設計、周長為 518.4 公尺的儲存環後，環內一系列磁鐵導引電子束偏轉並維持在軌道上，如此一來，電子束便能於每一圈的運行中，在偏轉磁鐵切線方向或插件磁鐵下游產生光束。由於電子會因產生光而損失能量，因此環內裝置超導高頻共振腔系統，用來補充電子的能量。

3. 光束線

光束線是同步加速器與實驗站之間的一座橋梁。理論上，在每一處電子偏轉處或插件磁鐵的直線下游，都可以打開一個窗口，利用光束線將同步輻射引導出來，進入實驗站。

4. 實驗站

科學家依據實驗需求設計各種儀器，使用同步輻射進行各類科學研究。

——本文摘自《追光之旅：你所不知道的同步輻射》，2021 年 8 月，天下文化。